Predição em Custos Assistenciais

Neste capítulo será realizada uma incursão pela literatura, a fim de buscar um respaldo em autores que realizaram estudos que tinham por objeto fim a predição de custos assistenciais.

4.5.1. A Predição dos Custos Assistenciais

O primeiro experimento analisado é realizado por Lavange, Iannacchione e Garfinkel (1986) propondo um modelo de regressão logística como método de predição de usuários de alto custo. O objetivo da pesquisa é o desenvolvimento de um mecanismo que permita o prévio conhecimento da massa de beneficiários que incorrerá em elevados custos assistenciais, e, por conseguinte, o estabelecimento de políticas de controle dos custos assistenciais. Os autores utilizaram duas regressões logísticas - uma para os indivíduos entre 17 e 64 anos e outra para os com 65 anos ou mais. As regressões obtiveram, respectivamente, coeficientes de determinação R2 de 22% e 25%.

O modelo preditivo desenvolvido por Bierman et al. (1999), onde os autores utilizaram apenas estatística descritiva. Com base nos dados, foi aplicado um questionário no ano de 1992 em uma amostra de 8.775 participantes de seguros privados de assistência à saúde nos EUA. Todos os indivíduos possuem mais de 64 nos foram arguidos da seguinte forma: “No geral, em comparação com as outras pessoas da sua idade, você diria que a sua saúde é: excelente, muito bom, bom, regular ou má?” (BIERMAN et al., 1999, p. 57).

Do total de respondentes, 18% consideraram a sua saúde excelente, 56% afirmaram que possuíam uma boa ou uma muito boa condição de saúde, 17% consideraram a sua saúde regular e 7% relataram possuir más condições de saúde. Dessa maneira, Bierman et al. (1999) relacionaram os custos assistenciais dos beneficiários no ano de 1993 e as respostas obtidas no ano de 1992, demonstrando associação entre o questionário aplicado e o custo assistencial do ano seguinte, no qual os indivíduos que responderam em 1992 que possuíam más condições de saúde, apresentaram custo assistencial médio de US$ 8.190 em 1993, contrastando com os segurados que responderam que possuíam excelentes condições de saúde e obtiveram um custo assistencial médio de US$ 1.627.

A percepção do indivíduo sobre o seu estado de saúde é uma variável preditiva significativa, no entanto, a sua utilização de modo isolada, isto é, em uma análise univariada, não é suficiente para uma predição eficaz de custos assistenciais, dado que o modelo de Bierman et al. (1999) apresentou um R2 de 4,4%, denotando baixa qualidade preditiva e superando apenas o modelo regressivo de Chang e Lai (2005) com R2 = 3,80%.

A predição efetuada por Naessens et al. (2005), da mesma forma que Lavange, Iannacchione e Garfinkel (1986), foi realizada através de uma regressão logística com base em 58 mil beneficiários de seguro-saúde dos Estados Unidos da América. Porém, no tocante às variáveis independentes, enquanto Lavange, Iannacchione e Garfinkel (1986) utilizaram os custos assistenciais e as informações demográficas dos beneficiários, Naessens et al. (2005) fizeram uso da quantidade de visitas médicas domiciliares recebidas pelos segurados. Os resultados foram avaliados por meio da curva ROC, cuja área superior foi 0,794, e a estatística de Hosmer-Lemeshow, com valor de p=0,0992.

Dessa forma, apesar de Lavange, Iannacchione e Garfinkel (1986) e Naessens et al. (2005) empregarem o mesmo método para a predição dos custos assistenciais, não é possível uma comparação direta de qual pesquisa obteve melhor resultado, dado que, enquanto Lavange, Iannacchione e Garfinkel (1986) utilizaram o R2 para medir a eficácia do seu modelo, Naessens et al. (2005) aplicaram a curva ROC e a estatística de Hosmer-Lemeshow. Analisando os R2 de 22% e 25%, constata-se que os modelos logísticos desenvolvidos por Lavange, Iannacchione e Garfinkel (1986) apresentam baixa qualidade preditiva. Para Naessens et al. (2005), o modelo logístico desenvolvido na sua pesquisa possui moderada acurácia preditiva, sendo este posicionamento passível de questionamento, dado que as métricas de aferição resultaram em valores não significativos.

A predição realizada por Dove, Duncan e Robb (2003) utilizou uma base de dados com informações assistenciais, demográficas e de diagnóstico médico de 209 mil usuários pertencentes às organizações de gerenciamento em saúde nos Estados Unidos da América. O trabalho visou à mensuração do nível de risco dos indivíduos para o período subsequente ao utilizado para a análise. Na aferição do resultado, obteve-se uma área sob a curva ROC de 0,73, não sendo apresentado o coeficiente de determinação do modelo. Verifica-se, então, que a área sob a curva ROC obtida com o modelo de Dove, Duncan e Robb (2003) é inferior à observada na predição realizada por Naessens et al. (2005). Dove, Duncan e Robb (2003) concluem, no entanto, que a predição realizada foi eficaz para o devido propósito, porém, do mesmo modo que Naessens et al. (2005), este posicionamento é passível de questionamento.

O trabalho realizado por Chang e Lai (2005) propôs desenvolver um modelo preditivo de riscos, baseado numa amostra selecionada aleatoriamente de 2% dos 371 mil participantes do sistema nacional de seguro saúde de Taiwan. O objetivo é construir um modelo capaz de

predizer os custos assistenciais totais para o ano de 1997, utilizando as informações de 1996. Para isto, foram ajustados cinco modelos de regressão, dentre os quais o primeiro é baseado em informações demográficas, o segundo na utilização hospitalar, o terceiro na utilização ambulatorial, o quarto nas informações dos diagnósticos médicos e o quinto, por fim, no custo assistencial total dos participantes. Os modelos apresentaram, respectivamente, os seguintes valores de R2: 3,8%, 12,1%, 18,4%, 22,7% e 35,2%. Dessa maneira, o modelo que considera todas as informações assistenciais, isto é, ambulatorial e hospitalar, é o mais eficiente na predição dos custos assistenciais, tendo superado o modelo logístico de Lavange, Iannacchione e Garfinkel (1986) que indicou R2 de 22% e 25%.

Por fim, a pesquisa de predição realizada por Bjarnadóttir (2008) propôs a comparação da eficiência preditiva entre os seguintes métodos: linha-base, árvore de classificação e análise de agrupamento. A base de dados utilizada foi de 838 mil segurados saúde nos Estados Unidos da América, sendo o modelo preditivo composto por 22 variáveis assistenciais que correspondem aos agrupamentos dos diagnósticos, procedimentos, materiais, medicamentos, fatores de risco, e duas variáveis demográficas: sexo e idade. Bjarnadóttir (2008) constatou que os métodos linha-base, árvore de classificação e análise de agrupamento obtiveram respectivamente, R2 de 9,9%, 16,2% e 18%, concluindo, assim, que este último foi o método mais eficiente na predição dos custos assistenciais. Observa-se que a análise de agrupamento de Bjarnadóttir (2008) demonstra menor eficácia do que a regressão logística de Lavange, Iannacchione e Garfinkel (1986) e os modelos de regressão de Chang e Lai (2005).

Cumpre expressar que a predição de custos assistenciais de beneficiários de plano de saúde é um tema ainda pouco explorado por pesquisadores brasileiros, vista a carência de publicações com esse objetivo.